如何将两个字典作为行合并为单个pandas DataFrame

直接将每个字典作为行数据传入pandas.DataFrame构造器即可，核心是把多个字典包裹在列表中传入，同时补充你需要的set标识列。

最简写法 #

针对你给出的示例，代码如下：

import pandas as pd

foo = {'mean': 0.11, 'median': 0.09, 'p90': 0.24}
bar = {'mean': 0.10, 'median': 0.09, 'p90': 0.20}

df = pd.DataFrame([
    {"set": "foo", **foo},
    {"set": "bar", **bar}
])

输出结果完全匹配你的预期：

set  mean  median  p90
0  foo  0.11    0.09  0.24
1  bar  0.10    0.09  0.20

如果你不需要默认的数字索引，还可以把set列设为索引：

df = df.set_index("set")

得到的结果为：

mean  median  p90
set                  
foo  0.11    0.09  0.24
bar  0.10    0.09  0.20

批量处理写法 #

如果需要处理的字典数量较多，建议先把所有字典按名称存为键值对映射，再通过列表推导式批量生成行数据，避免手动逐个编写条目：

# 汇总所有待处理字典
dict_collection = {
    "foo": foo,
    "bar": bar
    # 后续新增字典直接在这里加键值对即可
}

df = pd.DataFrame([
    {"set": dict_name, **stat_values}
    for dict_name, stat_values in dict_collection.items()
])

说明：如果不同字典包含的统计字段（键）不完全一致，pandas会自动对齐列名，缺失的字段默认填充NaN值。

内容的提问来源于stack exchange，提问作者DeltaIV